Calibration And Validation

7.1.1. Produto 1: Geladeira de Uso Doméstico

Esta etapa teve o objetivo de testar a RLM para quantificação de indicadores subjetivos preditivos auxiliares à etapa de seleção de materiais no projeto de uma ‘geladeira de uso doméstico’. As nomenclaturas dadas aos indicadores subjetivos foram as mesmas dos estudados na pesquisa de Dias et al. (2013) - Design, Conforto, Qualidade, Inovação, Funcionalidade e Segurança.

As informações iniciais do projeto (Produto 1) foram: ‘Geladeira elétrica de uso doméstico, vertical, com capacidade de pelo menos 400 litros, divididos em freezer e refrigerador’.

Os dados modelados matematicamente via RLM partiram das atribuições de 10 pessoas (4 do sexo masculino e 6 do sexo feminino) que pontuaram acerca da importância dos referidos indicadores na configuração final do projeto do produto 1.

Foi solicitado que os participantes ponderassem notas entre 1 a 5, sendo 1 a pior e 5 a melhor nota (Escala Likert), para o grau de importância de cada indicador para o produto analisado.

Os dados foram compilados pelo software IBM SPSS v.23. O Quadro 40 apresenta os resultados para ajuste de significância (para α ≤ 0,05).

Quadro 40

Significância do modelo: variável dependente (Y) Importância do Material com as demais variáveis independentes (X) – Produto 1

Fonte: Dados da pesquisa atual (2016). Resultados obtidos através do IBM SPSS v.23.

Variável dependenImportância_Material

Limite inferior Limite superior

Intercepto 11.717 2.959 .000 5.656 17.778 Segurança_GL -.144 .553 .797 -1.276 .989 Design_GL 1.440 .403 .001 .613 2.266 Qualidade_GL .202 .226 .040 -.465 .870 Conforto_GL .292 .029 .328 -.309 .892 Funcionalidade _GL .450 .031 .016 -.187 1.087 Inovação_GL .676 .038 .039 -.110 1.462

Parâmetro B Faixa de erro Sig.

Pelos resultados apresentados, apenas os indicadores preditivos ‘Segurança’ e ‘Conforto’ não se ajustam ao índice de significância (α ≤ 0,05) pretendido. Por isso, ambos foram excluídos e uma 2a _{análise de RLM foi gerada. (Quadro 41)}

Quadro 41

Coeficientes β para equação da variável dependente (Y) Importância do Material e independentes (X) Design, Qualidade, Funcionalidade e Inovação – Produto 1

Fonte: Dados dessa pesquisa. Resultados obtidos através do IBM SPSS v. 23.

A equação matemática final gerada pelo modelo de RLM para quantificação dos indicadores subjetivos preditivos auxiliares na etapa de seleção de materiais para o produto ‘Geladeira de uso doméstico’ é apresentada pela Equação 7.

𝒀𝑰𝒎𝒑𝒐𝒓𝒕â𝒏𝒄𝒊𝒂  𝒅𝒐  𝒎𝒂𝒕𝒆𝒓𝒊𝒂𝒍=

12.355 + 0,125𝑄𝑢𝑎𝑙𝑖𝑑𝑎𝑑𝑒𝐺𝐿+ 0,647𝐼𝑛𝑜𝑣𝑎çã𝑜𝐺𝐿+ 0,410𝐹𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑙𝑖𝑑𝑎𝑑𝑒𝐺𝐿+1.439𝐷𝑒𝑠𝑖𝑔𝑛 (7)

Pelos resultados do modelo anterior (gerado pela RLM), alguns pontos são reconhecidamente importantes. São eles:

 A margem de erro do modelo continuou baixa (≤ 0,03), demonstrando a qualidade do modelo matemático gerado;

 O índice atribuído ao indicador Design supera os demais indicadores (Qualidade, Inovação e Funcionalidade), induzindo que, para essa modalidade de produto, o Design torna-se superior aos demais índices para a predição do material.

 Esse afirmação corrobora com os elevados índices encontrados nas análises feitas com os dados extraídos da pesquisa de Dias

et al. (2013), quando do estudo do poder de explicação que o Design sobre a variável independente (Y) - Importância do

Limite inferior Limite superior

Intercepto 12.355 1.414 .000 9.467 15.243 DesignGL 1.439 .038 .001 .653 2.225 QualidadeGL .125 .031 .059 -.513 .762 Funcionalidade GL .410 .030 .018 -.206 1.025 InovaçãoGL .647 .037 .044 -.116 1.410

Parâmetro B Erro Erro Sig.

material.

 O indicador Inovação, também demonstrou um alto índice de predição, reforçando sua importância atrelada ao indicador Design.

7.1.2. Produto 2: Climatizador Portátil de Ambiente

Ainda objetivando aplicar a metodologia da modelagem matemática na quantificação de indicadores subjetivos preditivos; a RLM foi testada numa base de dados coletada de uma breve entrevista com 16 participantes (12 mulheres e 3 homens). Eles utilizaram a escala de notas entre 1 a 5, sendo 1 a pior e 5 a melhor nota (escala Likert), para imprimir o grau importância dos indicadores (Design, Conforto, Qualidade, Inovação, Funcionalidade e Segurança) para a configuração final do projeto de um ‘Climatizador portátil de ambiente (uso doméstico e/ou empresarial) – Produto 2.

Ao contrário do primeiro produto (Geladeira de uso doméstico), não houve para esse produto nenhum requisito prévio para caracterização do projeto.

O Quadro 42 apresenta os resultados dos ajuste de significância entre as variáveis estudadas no Produto 2. Os indicadores subjetivos ‘Inovação’, ‘Segurança’ e ‘Funcionalidade’ obtiveram um valor superior a α ≤ 0,05. Por isso, os mesmos foram excluídos do modelo.

Quadro 42

Significância do modelo: variável dependente (Y) Importância do Material com as demais variáveis independentes (X) – Produto 2

Fonte: Dados da pesquisa atual (2016). Resultados obtidos através do IBM SPSS v. 23. Coeficientes

padronizados B Erro Padrão Beta

(Constante) _{.916 .343 2.673 .012} Design_CL _{.312 .074 .436 4.213 .000} Inovação_CL _{.101 .054 .165 1.852 .075} Conforto_CL _{.093 .020 .396 4.567 .000} Segurança_CL _{-.015 .025 -.055 -.579 .567} Qualidade_CL _{.032 .020 .163 1.650 .110} Funcionalidade_CL _{.003 .016 .017 .211 .835}

Quanto ao poder de explicação do modelo, o valor de R quadrado (R2₎

encontrado foi de 91,9%. Índice considerado muito bom na modelagem matemática através RLM. (Quadro 43).

Quadro 43

Capacidade Explicativa R2 _{para o modelo RLM das varáveis independentes (X) versus}

variável dependente (Y) Importância do Material – Produto 2

Fonte: Dados da pesquisa atual (2016). Resultados obtidos através do IBM SPSS v.23.

A sumarização do modelo final gerado através da RLM para o Produto 2 é apresentado no Quadro 44.

Quadro 44

Coeficientes β para equação da variável dependente (Y) Importância do Material e independentes (X) Design, Conforto e Qualidade – Produto 2

Fonte: Dados da pesquisa atual (2016). Resultados obtidos através do IBM SPSS v.23.

A equação 8 apresenta o modelo matemático dos indicadores subjetivos preditivos auxiliares na etapa de seleção de materiais para o Produto 2.

𝒀_{𝑰𝒎𝒑𝒐𝒓𝒕â𝒏𝒄𝒊𝒂  𝒅𝒐  𝒎𝒂𝒕𝒆𝒓𝒊𝒂𝒍}= 0,939 + 0,359𝐷𝑒𝑠𝑖𝑔𝑛𝐶𝐿+ 0,104𝐶𝑜𝑛𝑓𝑜𝑟𝑡𝑜𝐶𝐿+ 0,033𝑄𝑢𝑎𝑙𝑖𝑑𝑎𝑑𝑒𝐶𝐿 (8) Mudança de R quadrado Mudança F gl1 gl2 Sig. Mudança F .959a _{.919 .912 .209 .919 118.031 3 31 .000 2.197}

Modelo R R quadrado R quadrado ajustado Erro padrão da estimativa Estatísticas de mudança Durbin- Watson Coeficientes padronizados

B Erro Padrão Beta

(Constante) .939 .219 4.289 .000

Design_CL _{.359 .057 .501 6.323 .000}

Conforto_CL .104 .017 .442 5.965 .000

Qualidade_CL _{.033 .020 .168 1.676 .104}

a. Variável Dependente: ImportânciaMaterialCL

A representação do modelo matemático do Produto 2 tem como destaque os seguintes pontos:

 A média do erro do modelo ficou em 0,031, índice que vem se destacando nos resultados dos modelos anteriores (média de 0,025 para o modelo resultante da pesquisa de Dias et al. 2013 e média de 0,034 para o modelo relacionado ao projeto da geladeira de uso doméstico). Tais índices demonstram confiança no uso desse tipo de modelagem na quantificação de indicadores preditivos subjetivos em projetos de produtos industriais.

 O índice atribuído ao indicador preditivo ‘Design’ (uma das variáveis independentes X) continua alto, no tocante à sua predição na etapa de seleção de materiais de projetos de produtos industriais.

7.2. Aplicação da Modelagem Matemática - Rede Neural Artificial